مقارنة مفصلة بين خوارزميتين جديدتين قائمتي على سلوك الغزلان الجبلية

في هذه الدراسة، تم فحص خوارزميات تحسين الغزلان الجبلية (MGO) وخوارزمية تحسين الغزلان (GOA)، التي تم اقتراحها حديثًا في السنوات الأخيرة. على الرغم من أن MGO و GOA خوارزميات هيوريستية مختلفة، إلا أن الباحثين غالبًا ما يعتبرونها نفس الخوارزميات. أجريت هذه الدراسة لحل هذا الارتباك وإظهار نجاح اكتشاف واستغلال كلا الخوارزميتين. بينما طورت MGO القدرة على الاستكشاف والاستغلال من خلال الاستلهام من سلوك الغزلان التي تعيش في مجموعات مختلفة، تم تطوير نموذج GOA من خلال الاستلهام من سلوك الغزلان في الهروب من المفترسات، والوصول إلى بيئات آمنة والرعي في بيئات آمنة. تم اختبار MGO و GOA على 13 دالة مرجعية كلاسيكية في سبعة أبعاد مختلفة وتمت مقارنة نجاحهما. وفقًا للنتائج، كانت MGO أكثر نجاحًا من GOA في جميع الأبعاد. من ناحية أخرى، تعمل GOA بشكل أسرع من MGO. بالإضافة إلى ذلك، تم اختبار MGO و GOA على ثلاثة مشاكل تصميم هندسية مختلفة. بينما كانت MGO أكثر نجاحًا في مشكلة تصميم النوابض تحت التوتر/الضغط ومشاكل تصميم العوارض الملحومة، حققت GOA نتائج أفضل في مشكلة تصميم أوعية الضغط. تظهر النتائج أن MGO تحسن القدرة على الاستكشاف وتجنب الفخاخ المحلية بشكل أفضل من GOA. تم أيضًا مقارنة MGO و GOA بثلاث خوارزميات هيوريستية مختلفة تم اختيارها من الأدبيات (GSO و COA و ZOA). وفقًا للنتائج، أظهرت MGO أنها يمكن أن تنافس الخوارزميات الجديدة في الأدبيات. من ناحية أخرى، تتخلف GOA عن خوارزميات المقارنة.